Mercedes-Benz F 015 Luxury in Motion im Stadtverkehr der Zukunft/Bild: © Daimler

05 November 2018

Autonome Fahrzeuge, die sich vor Gefahren warnen – das klingt nach ferner Zukunft. In Berlin findet diese Zukunft bereits heute statt.

Utopia lässt grüßen. Ein Szenario, in dem autonome Fahrzeuge die Straßen beherrschen, sich gegenseitig vor Gefahren warnen und Parkplatznot, genauso wie Staus, der Vergangenheit angehören – für die meisten klingt das nach ferner Zukunft. In Berlin findet diese Zukunft bereits heute an mehreren Orten statt. Das „Digitale Testfeld-Berlin“ im Bezirk Reinickendorf ist einer dieser Orte. Innerhalb von 25 Monaten sollen dort Technologien des hochautomatisierten und vernetzten Fahrens in einem typischen urbanen Szenario entwickelt und getestet werden. Ziel des maßgeblichen Projekts SAFARI, das im November 2017 startete und vom „Bundesministerium für Verkehr und digitale Infrastruktur“ gefördert wurde, war vor allem das Schaffen von regulatorischen Rahmenbedingungen und technischen Voraussetzungen für sicheres und komfortables Automatisiertes und Vernetztes Fahren (AVF). Ein besonderer Fokus des Projekts, das in Kooperation namhafter Partner der Verwaltung, IKT-Forschung und Industrie stattfand, lag dabei auf dem Austausch und der Aktualisierung digitaler Karten. Letztere gelten nämlich als eine der Grundvoraussetzungen für sichere, effiziente und nachhaltige Mobilität. Hochgenaues Kartenmaterial sollte nicht nur Informationen über Fahrspuren, Verkehrsinfrastruktur und Lichtsignalanlage-Daten liefern, es sollte vor allem durch Updates aus automatisierten Fahrzeugen ständig korrigiert und ergänzt werden. Dank der hohen Aktualität und Genauigkeit dieser Informationen sollen automatisierte Fahrzeuge weiter vorausschauen können, als es den erfahrensten Autolenkern möglich wäre. Absperrungen, wie z.B. bei Unfällen, könnten so verhindert werden, auch Grünphasen an Ampeln sollten optimal angefahren werden können. All das würde zu einer höheren Verkehrssicherheit und besserer Verkehrsleistung führen, so die These. Vor allem, wenn sich die Karten mit allen verkehrsrelevanten statischen, teilstatischen und dynamischen Inhalten am Ende selbst aktualisieren würden. Das Projekt SAFARI wurde nun erfolgreich abgeschlossen und in ein neues Projekt des BMVI unter dem Titel "Shuttles&Co - Autonome Shuttles & Co im digitalen Testfeld Stadtverkehr" überführt.

Visual Article: © Uhura Digital für Berlin Partner für Economics and Technology GmbH

Intelligenter Weitblick

Die Sicherheit und der Komfort des Automatisierten und Vernetzten Fahrens wird auch an einer anderen Stelle in der deutschen Bundeshauptstadt getestet. Entlang der Straße des 17. Juni, die östlich des Ernst-Reuter-Platzes bis zum Brandenburger Tor führt, wird seit Ende April 2017 eine digital vernetzte, für sämtliche Verkehrsteilnehmer offene Protokollstrecke entwickelt: Im zweijährigen Projekt „DigiNet-PS“, das ebenfalls vom „Bundesministerium für Verkehr und digitale Infrastruktur“ gefördert wird, arbeiten Akteure aus Forschung, Wirtschaft, IKT-Industrie und Verkehr als Partner daran, Automatisiertes und Vernetztes Fahren in Deutschland voranzutreiben. Vielfältig wie die Kollaborateure ist auch die Herangehensweise unter der Gesamtprojektleitung des „DAI-Labors TU Berlin“: „DigiNet-PS geht weit über die traditionelle Ansicht hinaus, Intelligenz nur in Fahrzeuge einzubauen. Es nimmt die Entwicklung der Dezentralisierung auf und verteilt die Rechenleistung auf Fahrzeuge, Verkehrsinfrastruktur (Roadside Units, RSU) und digitalisierte Straßenobjekte sowie die Cloud“, heißt es in der Projektbeschreibung. „Im Testfeld statten wir nicht nur Fahrzeuge aus“, präzisiert Dr. Ilja Radusch, Leiter Smart Mobility am „Fraunhofer Institut FOKUS“, das den Ereignis-Server betreibt, in dem verkehrsrelevante Ereignisse analysiert und im Testfeld verteilt werden, „sondern auch die Ampeln, um die Informationen der Signalphase – wie lange ist noch grün, wie lange ist rot – per Kommunikation in die Fahrzeuge bringen zu können. Diese Informationen nutzen wir als zusätzlichen Sensor, um die Bildsensoren der Fahrzeuge zu unterstützen, aber auch, um die Fahrt selbst komfortabler zu machen.“ Kameras, Radar und Laserscanner, die eine hochgenaue Vermessung der Entfernung von statischen und dynamischen Objekten wie andere Fahrzeuge, Fußgänger oder Radfahrer ermöglichen, sorgen demnach für eine Rundumerfassung der Situation. So können Parkplätze, Verkehrsfluss und Staus erkannt und an die Fahrzeuge übermittelt werden. Damit nicht genug, das Fraunhofer Institut FOKUS erprobt gemeinsam mit dem „Daimler Center for Automotive IT Innovations“ das Vernetzen der automatisierten Fahrzeuge selbst: Sie sollen sich gegenseitig vor Gefahren warnen, Informationen aus der Leitstelle und von Ampeln empfangen und gemeinsam Fahrmanöver planen.

Damit all das gelingt, sind umfassende Daten alleine nicht ausreichend. Die automatisierten Fahrzeuge müssen wissen, wie sie ihre Umgebung einschätzen und auf Situationen reagieren sollen. Zuständig dafür sind in der Künstlichen Intelligenz von automatisierten Fahrzeugen Algorithmen und Methoden des maschinellen Lernens: So werden beim DigiNet-PS mithilfe der FOKUS-Lösung „ITEF“ (Integrated Testing and Evaluation Framework) und einer automatisierten Labeling-Software die gewaltigen Datenmengen gesammelt, analysiert und annotiert. Sie dienen tiefen neuronalen Netzen der Fahrzeuge als Datenbasis, um erfolgreiche und nicht erfolgreiche Handlungsstrategien abzuleiten und dieses erlernte Wissen später im Verkehr anzuwenden.

Die Fahrzeugsoftware und damit die zentrale Lernfähigkeit der Algorithmen kontinuierlich weiterzuentwickeln, ist nur eines der Ziele des vielschichtigen Projekts. „Die vielen aggregierten Daten stellen wir außerdem für die Entwicklung neuartiger Lösungen zur Verfügung“, betont Prof. Dr. Dr. h.c. Sahin Albayrak, leitender Direktor des DAI-Labors, TU Berlin. So werde in Parallelprojekten etwa an einem „Smart Parking Assistenten“ gearbeitet. Doch nicht nur für die zahlreichen Projektpartner der Berliner KI-Szene dient DigiNet-PS als „Testwelt für den Stadtverkehr der Zukunft“. Firmen und Wissenschafter aus aller Welt sind eingeladen, hier ihre Entwicklungen und Innovationen auf Herz und Nieren zu testen, um den Verkehr dank intelligenter Mobilität besser, schneller, komfortabler und vor allem sicherer zu machen.

© HELLA Aglaia GmbH

KI-Trendsetter der Wirtschaft

Während die Forschungsarbeit bei DigiNet-PS noch in voller Blüte ist, sind einige Innovationen der Intelligenten Mobilität bereits erfolgreich im Einsatz. So entwickelt das Berliner Tochterunternehmen des Licht- und Elektronikspezialisten „HELLA GmbH & Co. KGaA“ seit Jahren Hard- beziehungsweise Software, die Maschinen das intelligente Sehen ermöglicht. Unter der Prämisse „gute Sicht und gute Sichtbarkeit in jeder Situation“ sind heute bereits kamerabasierende Fahrassistenz-Systeme im Einsatz, die die Fahrzeugumgebung erfassen, bewerten und dadurch automatische interaktive Maßnahmen setzen. Das gleiche Ziel verfolgt auch „Brighter AI“, ein Spin-Off von „HELLA Inkubator“. Das Berliner Startup geht mit seinem System noch einen Schritt weiter: Mittels innovativer Deep-Learning-Methoden „rechnet“ es schlechte Sicht- und Witterungsverhältnisse, wie Regen, Nebel oder schlechte Beleuchtung, aus dem Bild. So wird etwa eine wirklichkeitsgetreue Tageslichtversion einer undeutlichen Nachtaufnahme rekonstruiert, die diese ersetzt, und so Foto oder Video klarer erkennbar macht.

Car- und Ride-Sharing-Hauptstadt

Die hohe Innovationskraft von Wissenschaft und Wirtschaft in der Bundeshauptstadt zeigt sich außerdem bei datenbasierten Free-Floating Car- und Ride Sharing Angeboten. Gleich drei solcher Systeme sind in Berlin im Einsatz. Eines davon ist die App „Free2Move“, über die sämtliche Car-Sharing-Unternehmen mit einem Klick gebucht werden können: Egal, ob PKW, Motorroller oder Fahrrad – auf einer Karte ist ersichtlich, welches Fahrzeug in der Nähe frei ist. Darüber hinaus kann der Kunde Preise, Standorte und Eigenschaften wie Sitzplatz-Anzahl, Antriebstechnik und mehr vergleichen.

Das Besondere von Free-Floating-Systemen ist leicht erklärt: Anders als bei früheren Car-Sharing-Modellen ist das Mietfahrzeug nicht an eine feste Station gekoppelt, sondern kann innerhalb eines definierten Stadtgebiets per Smartphone überall ausgeliehen und wieder abgestellt werden. Abgerechnet wird im Minutentakt, Spritgeld und Parkgebühren sind inkludiert. Welche Fahrzeuge in Fragen kommen, wird anhand von Daten aus den im Verkehrssystem teilnehmenden Fahrzeugen vorgeschlagen. Dafür muss das Fahrzeug geortet werden: Das funktioniert mittels sogenannter „Floating-Car-Data-Verfahren (FCD)“, die die Kleinwagen zu mobilen Sensoren und Software Agenten machen: Sie liefern Daten über den Zustand des Fahrens, aber auch zur Umgebung beim Stehen, zum Beispiel im Stau, vor Ampeln oder auf einem Warteplatz. Das Sammeln der Datenmengen ist allerdings nur ein Teilaspekt. Um Bewegungsmuster der Fahrzeuge herauszufinden, ortsbezogenen Bedarf vorauszusagen und somit den Einsatz sowie die Auslastung der Fahrzeuge besser vorauszuplanen, werden die Daten mittels Algorithmen und Systemen des Maschinellen Lernens analysiert. „Die Free-Floating-Systeme haben das Car-Sharing aus der Ökoecke geholt und für ein breites, pragmatisches, urbanes Milieu zugänglich gemacht“, ist für Stefan Weigele von der Strategieberatung „civity“ das Potenzial der innovativen Systeme unbestritten. Zu dieser Erkenntnis kam der Experte auch als Leiter der ersten Big-Data-Studie zum Thema Free-Floating-Car-Sharing. Noch setzen Free2Move und seine Mitbewerber zwar mit rund 14 Millionen Euro heute vergleichsweise wenig um und deren lokale verkehrliche Wirkung sei gering, so die Studie. Für das Jahr 2020 prognostiziert civity jedoch ein Umsatzpotenzial von rund 1,4 Milliarden Euro. „Die Anzahl der Systeme müsste sich dazu allerdings von heute 30 auf rund 140 nahezu verfünffachen, Preissysteme und Auslastung weiter optimiert werden“, erklärt Stefan Weigele und gibt zu: „Spannend daran ist die globale Skalierbarkeit des Geschäftsmodells“. Letzteres zeigt sich bei Free2Move. Nach dem erfolgreichen Test in Berlin, ist die „motorisierte Bequemlichkeitsmobilität“, wie Free-Floating-Car-Sharing in der Studie bezeichnet wird, mittlerweile in mehr als 33 Städten Europas und den USA verfügbar.

© Free2move

„on-demand-public transport“

Ganz soweit verbreitet sind die Dienste von „door2door“ nicht. Noch nicht. Seitdem der ehemalige Harvard- und MIT-Student Maxim Nohroudi die Firma 2012 gemeinsam mit Tom Kirschbaum gegründet hat, verfolgt das Unternehmen eine hehre Vision: Eine autofreie Stadt oder anders gesagt, öffentlichen Nahverkehr so komfortabel zu machen wie das eigene Auto. Die Formel dafür lautet „on-demand-public transport“, das heißt „nachfrageorientierter öffentlicher Verkehr“ ohne fixe Fahrpläne, Routen oder Stopps. Damit Städte und Kommunen einen solchen gestalten können, müssen sie verstehen, von wo aus die Menschen wohin unterwegs sind: Wo wählen Pendler aufgrund von langen Wartezeiten oder lückenhaften Anschlüssen das eigene Auto, statt auf öffentliche Verkehrsmittel zu setzen? Wann wird das Betreiben von Bus oder Bahn zu Nebenverkehrszeiten oder in dünn besiedelten Randgebieten unprofitabel? Bei der innovativen door2door-Technologie werden mithilfe von KI-Algorithmen genau diese Daten gesammelt und verschiedenste Verkehrsmittel in der Umgebung des Benutzers – von Ride-Sharing-Apps bis hin zu Mitfahrdiensten und ÖPNV – analysiert, um den besten Weg zum Ziel anzubieten. Darüber hinaus können über die Plattform nachfrageorientierte Shuttleservices gebucht werden. Dass dafür in Zukunft autonome Fahrzeuge zum Einsatz kommen, hat door2door schon heute berücksichtigt. So ermöglicht die Plattform etwa eine direkte Kommunikation zwischen der Software und den Kommunikationsprotokollen selbstfahrender Fahrzeuge.

Wie KI-basierte Mobilitätsplattform funktioniert, davon können sich Bewohner und Gäste der portugiesischen Hauptstadt Lissabon überzeugen: Gemeinsam mit „Via Verde Serviços“, einer Tochter des Verkehrsinfrastruktur-Unternehmen „Brisa“, hat door2door eine Routenplaner App entwickelt, die unterschiedliche Verkehrsmittel verbindet und dynamische nachfragebasierte Mobilitätslösungen anbietet.

© Allygatorshuttle

Per allygator durch Berlin

Es ist nur eines von zahlreichen Pionierprojekten des Unternehmens, das als einziges europäisches Startup als Mitglied des „Center for the Fourth Industrial Revolution“ die Transformation der Mobilität vorantreiben soll. Seit Februar kooperiert door2door mit dem „ADAC“ in Berlin und testet in der Bundeshauptstadt ein nachfrageorientiertes Shuttlesystem: Gemeinsam stellen die Partner im Projekt „allygator“ 20 Kleinbusse als Shuttleservices zu Verfügung. Wie beim Car-Sharing können die Busse von den Fahrgästen via Smartphone-App gebucht werden, unterwegs werden andere Fahrgäste aufgesammelt, die in eine ähnliche Richtung wollen. Alle werden an ihren Wunschzielorten abgesetzt. Die Route wird mittels KI-Algorithmen berechnet. Der Preis ist dynamisch: Je mehr Mitfahrende, desto günstiger. Profitieren könnten von solchen – bald auch autonom-fahrenden – Shuttlesystemen aber nicht nur die Kunden. Durch die Ausrichtung am tatsächlichen Bedarf könnten die Verkehrsbetriebe ihre Betriebskosten verringern.

Geht es nach door2door soll das On-Demand-Angebot bald Lücken schließen, die der klassische Öffentliche Nah-Verkehr nicht bedienen kann. Es soll Autofahrer überzeugen, die Busse und Bahnen bisher meiden. Das langfristige Ziel: Den Verkehr sowie die Umweltbelastungen durch Abgasausstoß zu verringern, indem man die Anzahl privater Autos auf den Straßen reduziert. Kürzlich durchgeführte Berechnungen stimmen jedenfalls optimistisch: Laut einer „OECD“-Studie für den Stadtverkehr in Lissabon könnten in der portugiesischen Hauptstadt nur 30 Taxibusse mit Platz für acht bis sechzehn Personen 970 Autos ersetzen. Es wäre nicht das erste Mal, dass eine Innovation aus Berlin maßgeblich dazu beiträgt, Utopia ein Stückweit näher zu bringen.